Anthropic 拆解 Claude 记忆，如何在会话间纠错与整理

本期素材来自 11 月 6 日约 06:00 至 11 月 7 日约 06:15（北京时间）之间 AI 相关账号的原创帖与一手来源。

要闻

Anthropic 拆解 Claude 记忆：空闲时纠错，比不停记笔记更重要

Anthropic 发布工程博文《The components of agent memory》，讨论 Claude 如何把过往会话变成下次能用的知识。核心机制叫 dreaming：在会话间歇回看原始记录，检查笔记是否写错，合并重复内容，再整理成相互链接的 wiki 页面。它不是重新训练模型权重，而是在整理模型日后可以读取的外部记忆。

记忆的问题不只是忘事。一条错误笔记如果被反复当成事实，反而会让代理更固执；整理时保留原始记录作为核对依据，才有机会发现并修正错误。

Anthropic 用 Stainless 的内部文档测试这套方法：约 35 万份文件、4.2 亿 token，配上 25 道问题。让 Opus 5 代理离线整理文档、建设 wiki，整理会话从 2 次增加到 128 次，只靠 wiki 回答时，评分标准达成比例由 13% 升至 48%。同时使用搜索和 wiki，得分随 wiki 完善从约 54% 升至 61%，每题还节省约 2 万 token。这些是特定语料和小规模题集上的结果，不是所有任务的通用提升幅度。

收益也取决于题目。一组围绕并购材料的测试有 24 问，其中需要跨文档综合的评分项，wiki 得分 87%，仅搜索为 73%；但对于一份文件就能找到答案的法律任务，wiki 没有明显优势，甚至有过整理出的 wiki 比原文还长的情况。

这篇文章最有用的结论不是“记得越多越好”，而是记忆需要取舍、出处和维护。Anthropic 的 Claude Code 也没有把所有自动记忆塞进每次对话：预先加载的只是 MEMORY.md 前 200 行或 25 KB，其余内容按需查找。文中还提到，Anthropic 自家的助手 Claude Duet 可以围绕服务对象的目标组织记忆；这仍然需要持续纠错，而不是一次写好便永久可信。（工程博文）

OpenAI 与 Ligo 推出 BioBasicsBench：会读实验数据，还得知道何时不能下结论

OpenAI 与酶设计生物技术公司 Ligo 发布 BioBasicsBench，用 100 项真实湿实验分析任务考察代理：读原始图像和仪器数据、找实验错误，以及识别证据不足的情况。它测的是分析能力，不是机器人动手做实验的成功率。

在 xhigh 推理档下，OpenAI 的 GPT‑6 Astra 平均获得 66.7% 的评分分值，95% 置信区间为 60.3%–73.1%；GPT‑5.6 Sol 为 43.8%。官文同时展示了新模型仍会让既有假设压过实验对照的案例。对于实验室助手，能解释一张图还不够，知道什么时候需要补证据才是关键。（官方介绍）

Meta 把 Muse Wonder 的记忆与任务恢复能力带到 Muse、Meta AI

Meta 宣布，利用自家 Muse Wonder 训练的专用模型开始进入 Muse 和 Meta AI，带来 Active Memory 与 Active Focus：前者判断旧信息何时仍有用，后者帮助代理在遇到障碍后继续完成任务。

Meta 公布的 Muse 评测中，正确使用关键上下文的比例从 76% 升至 90%；包含意外障碍的日常任务完成表现提升约 67%；Personal Superintelligence Index 从 38% 升至 47%。这些是 Meta 自报的评测结果，不能直接当成每位用户的实际体验增幅。（研究博客）

产品动态

Google Antigravity：语音指导改代码，远程任务可在手机上批权限

Google 的编程工具 Antigravity 上线由 Gemini Live 驱动的语音模式，可以口头讨论计划、指导代码修改和批准权限，支持多语言对话与随时打断。

同一窗口内，Antigravity 也介绍了正在推送的远程代理：任务在独立云端虚拟机中运行，用户离开电脑后可以用手机处理权限请求。远程代理面向所有付费个人计划开放。语音是交互入口，远程代理则让任务不必一直等人坐在编辑器前。

Anthropic Claude Code：云会话自动识别环境需求

Anthropic 改进 Claude Code 云会话的启动流程，面向 Pro、Max、Ultra 用户自动判断所需依赖、网络访问和 API 密钥，并保存环境供下次复用。官帖称，密钥安全保存，Claude 不接触明文。配套文档也说明了通过网络代理注入密钥的机制，减少把凭证直接放进任务环境的需要。（云环境文档）

Google NotebookLM：学习卡片加入图片与计时

Google 的 NotebookLM 更新 Flashcards：卡片可包含图片，可选秒表测试回忆速度，移动端还能设置学习提醒。

Cognition Devin 增加官方 Expo 插件

Cognition 的编程代理 Devin 在插件市场加入 Expo 官方插件，提供跨平台应用构建、部署、升级和调试相关技能。

行业动态

Frontier Model Forum 发布网络越狱评级框架

Frontier Model Forum（FMF） 发布网络威胁越狱评级框架 v1.0，OpenAI 在本窗口发帖介绍了与 FMF 及成员公司的合作。框架从能力增益、能力范围、部署难易、发现难易四方面评估成功绕过模型防护的风险，试图让团队优先处理真正可能造成严重网络危害的问题。初版仍在测试，公开征求意见截至 2026 年 12 月 21 日。（框架说明）

Tibo：ChatGPT 与 API 每周生成图片超过 40 亿张

OpenAI Codex / Work 负责人 Tibo（@thsottiaux） 称，ChatGPT 与 API 合计每周生成图片已超过 40 亿张，八周前的披露为每周超过 30 亿张。两次披露都只是下限，不能据此算出精确增长率。

Tibo 另预告 Cyber at the Frontier 直播，时间为 北京时间 11 月 13 日 02:00。

阿里千问发布预告，尚未披露新品细节

阿里巴巴的 千问（Qwen） 官号发出 “The becoming begins” 预告。这条帖文本未公布模型名称、发布日期或权重开放安排，暂时还不足以判断具体会发布什么。